对话阿里云 CTO 周靖人：“通义千问”不是起点也不是终点

原创：玄宁 骆轶航

对话访谈人：王兆洋 骆轶航

对话受访人：周靖人

对话整理人：李晓贤

来源：品玩

4 月 7 日，阿里巴巴旗下大语言模型——“通义千问”开启邀测。

开发“通义千问”的阿里巴巴达摩院如是解释这款大语言模型的命名：“千问，千万次的问，千万的学问，能问出千问的一定是真爱，能回答千问的，也一定是真有学问，以及，AI 和我们一样，都有千万次交互的热情。”

而在使用邀请码对大模型测试了一天后，我们也有机会和它背后的负责人，阿里云智能 CTO 周靖人进行了一次独家对话，提出了我们的“千问”。

以下为对话实录：

“通义千问”不是起点也不是终点，而是既定路线上的一个节点

品玩：我们今天一直在使用通义千问，它的许多特点让我们印象深刻，网上也有了很多对它的测试，我们很好奇你们会怎么测试它，如何判断它的表现？

周靖人：怎么去全面评测一个大模型本身是非常有挑战的。其实今天整个行业还没有一个标准。甚至每个人的评价其实也是很主观的，对吧？

有时候更多的是说，让模型能面对你的一些回复，揣测到你到底是喜欢哪一种说话的方式，然后会不断去调整，这本身就是模型在理解方面的一个能力。

我们会有一系列的评测，其中简单的测试包括一些创作，一些文案的续写，一些简单的推理，甚至一些简单的数学。包括今天跟一些多模态的延展，还有一些知识增强的测试。

现在我们内部是有一个测试集，而慢慢以后都会从让人去评价一个模型，变成用模型去评价一个模型本身，我们一定会走到这一步。

品玩：那么如果对标 ChatGPT，通义千问现在是什么水平？

周靖人：我们要承认 ChatGPT 尤其是 GPT4 目前还是非常领先的。我觉得这是一个正常的过程。

但直接对比的话，这也很难评价。我们关注的是如何能够让我们的模型弥补自己的不足，甚至在更多的一些场景里面有突出的一些能力的表现。今天所有的模型离我们真正去模拟人类的智慧体还有很远的距离。

品玩：阿里并不是因为 ChatGPT 的出现才开始密集投入大模型的，之前也展示过很多模型研究的进展，那“通义千问”在阿里的大模型研究历程里是什么位置？

周靖人：这个模型是我们的一个中间态。

今天我们在不断探索基于多模态的大模型的路径上，或者说接近于多模态真正的趋近人类智慧体的路径上的一个节点。它不是起点也不是终点，是个既定路线上的节点。我们这次是把过去积累的一部分工作向社会，向开发者开放，但我们在这方面还有长足的工作，需要进一步地去突破去创新。

品玩：尽管你强调多模态，但我们注意到这一次并没有提供文生图的功能。

周靖人：对，很多公司在做文生图，其实达摩院也有相关的一系列工作发表了，像我们的 Composer 模型等，不光能够做文生图，还可以根据你的一些详细指令去修改这个图。所以给通义千问接入文生图并不是最难的，它更多是一个工程上的问题。

我们其实认为，今天更难的是把各个模态的模型能力融入进一个模型，比如怎么把视觉的能力融入到语言模型里面。因为一个人获取知识的方式有视觉、语言、听觉等，不会把它们用独立的形态分割开来，在人脑里它都是一个可贯通的知识体，能够把不同形式的输入有机的联合在一起。今后的多模态必然能够做到，不管是任何一个模态来的信息，你的知识体系或者接受到的信号都能够在一个高维的空间里有机融合在一起。

我觉得这个是必然会发生的。这个也是接下来 GPT4 或 5 一定会有突破的地方，我们也在这方面有不少的投入，也是我们认准的一个重要方向。

品玩：也就是说阿里的大模型路线，是多模态的一张蓝图绘到底，而这些都是计划的一部分。

周靖人：我们从 2019 年就开始尝试各种各样的大模型，从 StructBERT 到 M6，再到 PLUG 再到最新的 Composer 等一系列视觉模型，其实本质都是在预训练大模型的整体思路上不断进行探索，不断创新。

我认为今天大模型其实在不断地逼近我们人的智慧。人的智慧很重要的一点就来自于语言，LLM（large language model）开始能根据自然语言理解有效地提取人类大量的知识体系，在这方面是非常独特的。

今天我们看到类似 ChatGPT，类似通义千问所表现出来的一些能力，其实都是在这条道路上。所以对我们行业内的人来讲，我们并不认为这条道路好像就是 2023 年突然出现。我们认为这是一个长期以来技术发展的演进过程。甚至我们认为今天看到的所谓大模型的能力也都是冰山一角，今后还会有整体更惊人的一系列表现。